中文

何时检索?动态检索增强生成的不确定性检测

计算与语言 2025-03-19 v3 人工智能 信息检索

摘要

检索增强生成为大语言模型提供了检索外部知识的能力,从而通过纳入模型内置能力之外的信息来缓解幻觉现象。然而,大多数先前工作聚焦于确定性地调用检索功能,这使其不适用于长篇问答等任务。相反,仅在底层 LLM 缺乏所需知识时才动态执行检索会更高效。在此背景下,我们深入探讨了“检索与否?”的问题,通过探索多种不确定性检测方法。我们为长篇问答任务采用动态检索,对这些方法进行评估并进行比较。我们的发现表明,不确定性检测指标,如 Degree Matrix Jaccard 和 Eccentricity,可将检索调用次数缩减近一半,而仅略微降低问答准确率。

关键词

引用

@article{arxiv.2501.09292,
  title  = {To Retrieve or Not to Retrieve? Uncertainty Detection for Dynamic Retrieval Augmented Generation},
  author = {Kaustubh D. Dhole},
  journal= {arXiv preprint arXiv:2501.09292},
  year   = {2025}
}

备注

1st workshop of "Quantify Uncertainty and Hallucination in Foundation Models: The Next Frontier in Reliable AI" at ICLR 2025